Tez No	İndirme	Tez Künye	Durumu
307823		Acil servis triajında yapay zeka yöntemlerinin güvenilirliği / The reliability of artificial intelligence applications on emergency department triage Yazar:ALP GİRAY AYDIN Danışman: DOÇ. DR. CENKER EKER Yer Bilgisi: Akdeniz Üniversitesi / Tıp Fakültesi / Acil Tıp Ana Bilim Dalı Konu:İlk ve Acil Yardım = Emergency and First Aid Dizin:Acil servis-hastane = Emergency service-hospital ; Karar verme = Decision making ; Yapay zeka = Artificial intelligence	Onaylandı Tıpta Uzmanlık Türkçe 2011 61 s.
Acil servislerde son yıllarda giderek artan hasta yoğunluğu yaşanmaktadır. Başvuran hastaların değerlendirilmesi ve tedavisinde gecikmeler olabilmekte ve buna bağlı malpraktisler yaşanabilmektedir. Bu çalışmada bir yapay zeka uygulaması olan karar ağacının triaj uygulamalarında kullanılabilirliğini test etmeyi amaçladık. Bu prospektif, kesitsel, klinik çalışma olarak 1-10 Temmuz 2011 tarihleri arasında yıllık 72800 hasta başvurusunun olduğu Akdeniz Üniversitesi Tıp Fakültesi Hastanesi Acil Servisi?nde yapıldı. Çalışmaya 18 yaş üzerinde 1999 yetişkin acil hastası dahil edildi. Altın standart olarak Avustralasya Triaj Skalası kullanıldı. Karar ağacı ile oluşturulan triaj algoritmasının ATS ile uyumluluğu değerlendirildi. Çalışmaya katılan hastaların yaş ortalaması 41,1±17,2 ve %49,1?i (n=981) erkekti. ATS?ye göre belirlenen klinik tanımlayıcılardan en sık görülenler arasında 409 (%20,5) hasta ile yüksek riskli olmayan minimal ağrılar, 362 (%18,1) hasta ile stabil olan minör semptomlar vardı. Triaj kategorilerini belirleyen ilk iki bağımsız gözlemci arasındaki çok iyi derecede uyum saptandı (kappa değeri: 0.997). Karar ağacı ile oluşturulan triaj algoritmasının doğruluk oranı %99,9 olarak bulundu. ATS ile uyumu ise mükemmeldi (Kappa değeri 0,999). Bu çalışmanın sonucuna göre, bir yapay zeka uygulaması olan karar ağacı, triaj uygulamalarında yeni algoritmalar oluşturmada son derece yetkindir ve gelecek uygulamalar açısından umut vericidir.
Emergency department crowding emerges as a big problem in recent years. There may be delays on the evaluation and treatment of admitted patients causing malpractices. We aimed to test the utility of `Decision Trees?, an artificial intelligence application, in patient triage. This prospective, cross-sectional, clinical study was conducted in Akdeniz University Emergency Department with annual census of 72800 patients between 1 and 10 July 2011. A total of 1999 patients over 18 years were included into the study. Australasian Triage Scale was used as the gold standard. The consistency between Australasian Triage Scale and algorithm constructed by decision trees was also analyzed. The mean age of the study patients were 41,1±17,2 and 49,1 % of them (n=981) were male. The most common clinical descriptors of the patients were minimal pain with no high risk features 20,5% of them (n=409) and minor symptoms of low risk conditions 18,1% of them (n=362). There was an excellent concordance between two observers who determine the triage category (Kappa value 0.997). The accuracy rate of the triage scale created by decision tree was found 99,9%. There was an excellent concordance between ATS and decision trees (Kappa value 0.999). The decision tree an artificial intelligence application, is extremely competent to create new triage algorithms and promising for future applications.